Japanese sign language classification based on gathered images and neural networks
This paper proposes a method to classify words in Japanese Sign Language (JSL). This approach employs a combined gathered image generation technique and a neural network with convolutional and pooling layers (CNNs). The gathered image generation generates images based on mean images. Herein, the max...
Gespeichert in:
Hauptverfasser: | Ito, Shin-ichi (VerfasserIn), Ito, Momoyo (VerfasserIn), Fukumi, Minoru (VerfasserIn) |
---|---|
Format: | EJournal Article |
Veröffentlicht: |
Universitas Ahmad Dahlan,
2019-10-29.
|
Schlagworte: | |
Online Zugang: | Get Fulltext |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Ähnliche Einträge
-
Bangla numerical sign language recognition using convolutional neural networks (CNNs)
von: Mehedi Shamrat, F. M. Javed, et al.
Veröffentlicht: (2021) -
Improvement of Convolutional Neural Network Accuracy on Salak Classification Based Quality on Digital Image
von: Dzulqarnain, Muhammad Faqih, et al.
Veröffentlicht: (2019) -
ArSL-CNN a convolutional neural network for Arabic sign language gesture recognition
von: Alani, Ali A., et al.
Veröffentlicht: (2021) -
Mouth Actions in Sign Languages. An Empirical Study of Irish Sign Language
von: Mohr, Susanne
Veröffentlicht: (2014) -
Bangla language textual image description by hybrid neural network model
von: Jishan, Md. Asifuzzaman, et al.
Veröffentlicht: (2021)